全年1000亿公里场景数据，将改变自动驾驶什么

滴滴自动驾驶测试车与骑自行车的人互动。受访者提供图片。

搭载滴滴双子星自动驾驶硬件平台的XC90。受访者提供图片。近日，北京、上海、广州、武汉、长沙、无锡被确定为首批智慧城市基础设施与智能网联汽车协同发展试点城市。与此同时，北京还建立了全国首个智能网联汽车政策试验区。在政策性领域，相关企业可以开展试运营和商业运营服务，并在商业运营过程中提供收费服务。自动驾驶行业不断收到政策利好消息。但与此同时，由于近期发生的一些事件，自动驾驶汽车的安全性也成为社会讨论的焦点。硬件和软件算法是影响自动驾驶汽车安全性的关键因素。例如，激光雷达和相机等传感器可能会因环境干扰而出现盲点，导致环境感知错误；

算法对多个运动目标意图的不准确识别和判断可能导致错误的决策。那么，国内自动驾驶制造商如何应对，以提高自动驾驶汽车的安全性呢？冗余硬件配置提高了自动驾驶的安全性。北京航空航天大学交通科学与工程学院教师任炳涛博士指出，单个硬件确实存在技术限制，可以通过设计冗余的硬件配置来解决。例如，自动驾驶汽车可以设计不依赖于单个传感系统的冗余传感系统。冗余，最初是飞机的常用技术术语，是指电子控制系统的安全备份，以防止系统突然故障并影响飞机的正常运行。同样，高级自动驾驶的实现也需要冗余设计，以确保当一套自动驾驶系统出现问题时，另一套系统也能及时发挥作用。冗余结构的设计虽然带来了更好的安全性，但也增加了额外的多重成本，使自动驾驶的冗余设计变得困难。不久前，滴滴自动驾驶在冗余硬件配置方面取得突破。今年4月，滴滴自动驾驶升级推出了新一代自动驾驶硬件平台——滴滴双子星。该平台配备了50多个传感器，计算能力超过700TOPS，点云成像每秒超过1000万级，总体成本与上一代相比保持不变。滴滴自动驾驶首席运营官孟星介绍，滴滴自动驾驶“双星”硬件平台的上线实际上是一个非常复杂的过程。首先，滴滴需要设计转向、制动等方面的冗余解决方案，然后在自动驾驶汽车上进行调试。这些都很难。然而，滴滴自动驾驶凭借自身积累的丰富现实世界使用场景数据，成功开发出了更符合自动驾驶运营需求的新一代硬件平台。该平台采用多重冗余设计，不仅具有核心高性能传感器冗余，还具有车载自动驾驶系统冗余、远程辅助系统冗余、前置量产车型冗余等，实现了硬件整体的多层冗余配置。例如，传感器冗余确保了自动驾驶汽车可以在所有方向和类型的毫米波雷达、摄像头、激光雷达上交叉验证其感知设备，并进一步提高其在隧道、雨雾、背光和黑暗等复杂场景中的感知能力。如果自动驾驶汽车中的一个传感器坏了，或者由于其他各种原因，传感器带来的数据无效，那么就会有其他传感器可以覆盖同一场景，交叉验证可以使自动驾驶达到更高的安全水平。特殊的场景模型和算法优化，让自动驾驶变得更加“智能”。俗话说，软件是自动驾驶的“大脑”，是确保其安全的关键因素，而算法和模型是自动驾驶“大脑”的核心。吉林大学汽车工程学院何锐副教授指出，自动驾驶分为感知、决策、控制和执行几个系统。从目前自动驾驶交通事故的案例来看，影响自动驾驶汽车安全的最关键因素仍然在感知层。在某些意想不到的情况下，算法的智能水平不足会导致软件层面的错误决策。因此，自动驾驶制造商非常重视算法和模型的不断开发和改进。Waymo开发了一种使用强化学习和进化算法设计神经网络架构的新方法，并将其应用于自动驾驶的语音识别和图像识别。同样，中国的自动驾驶制造商也在积极探索。滴滴自动驾驶针对道路上遇到的特殊场景，进行了大量有针对性的车型优化工作。例如，在阳光直射等特殊环境中，人类驾驶员通常需要戴眼镜或打开遮阳伞。对于自动驾驶汽车来说，直射到摄像头或传感器的阳光会导致大的光斑，从而影响感知……

自动驾驶的主干。孟星表示，滴滴自动驾驶的工程师在多传感器融合解决方案的基础上做了大量的动态数据增强工作。例如，针对不同的照明场景设计了不同的模型，以确保系统在不同亮度水平下的感知效果。这使得滴滴自动驾驶汽车即使在恶劣的背光条件下也能准确识别和避开行人、汽车和其他物体。在滴滴近日发布的全球首个自动驾驶视频中，一辆白色自动驾驶测试车在上海嘉定区连续行驶5个小时未被接管。它经历了白天、黄昏和夜晚的多个时段，途经人口稠密的嘉亭汇商业区、工厂区、办公区和居民区等不同区域。当遇到通勤晚高峰，路口出现大量行人、自行车和大型公交车时，从视频中可以看出，滴滴自动驾驶测试车会自动减速，如果前面有行人，也可以灵活避让，而不是谨慎跟在后面。当行驶到繁忙的商业区时，测试车会判断并选择交通较少的街道；在幼儿园或学校附近行驶时，测试车会以较慢的速度行驶，以确保学生的安全。孟星介绍，滴滴自动驾驶测试车之所以能够在上述特殊场景下做出正确决策，是因为它为特殊场景建立了独特的模型。例如，在夜间驾驶时，自动驾驶汽车有夜间模型；在高峰时段，汽车采用谨慎的驾驶模式；

在学校附近，汽车将再次启动“安全模式”，以更加谨慎的方式行驶。通过利用共享的出行网络，积累丰富的场景数据不仅对算法和模型很重要，对自动驾驶软件系统也很重要。北京交通大学先进控制系统研究所副所长李润梅教授表示，消费者之所以觉得燃油车比自动驾驶汽车更安全，实际上是因为燃油车有大量的数据和丰富的经验可以支持，从而尽量避免出现一些问题。目前，由于缺乏足够的系统测试和数据积累，如果遇到特殊场景，与一些软件级算法发生冲突，自动驾驶系统会做出错误的决策。可以说，数据积累是自动驾驶在软件层面的重要支撑。目前，由于自动驾驶测试场地不足，或者模拟实验室难以完全复制真实复杂的交通场景，自动驾驶测试不足，数据积累也不足。因此，增加在真实环境中的测试是进一步提高自动驾驶汽车安全性的重要环节。截至2020年底，北京已为14家自动驾驶企业的87辆汽车发放了通用路试牌照，路试总里程超过221万公里。上海已向21家企业的148辆汽车颁发了自动驾驶道路测试和示范申请资格，企业数量和车牌数量均居全国首位。据了解，滴滴自动驾驶已成为上海首家获得三个测试区牌照的企业。与此同时，在北京最近推出的智能网联汽车政策试验区，滴滴自动驾驶不仅成为政策试验区首家获得测试许可的企业，还获得了夜间和复杂天气场景的测试资格，可以进行24小时道路测试，特别是在特殊的天气环境中，例如下雨和雾。孟星认为，实际的路测和叫车场景数据为滴滴自动驾驶积累了大量的“学习资料”。当测试车遇到一些特殊场景时，汽车会记录这些特殊场景，并在模拟实验室中重复模拟，然后将实际案例转换为测试场景，并将其包含在场景库中。同时，测试车还将对这些场景进行“变量扩展和扫描”，进一步丰富场景库。例如，测试车辆捕捉到前方有摩托车或其他障碍物车辆，并且车辆正在进行试驾或并线的场景。对于这种场景，滴滴自动驾驶会先扫描并扩展这些变量，比如改变测试车或障碍车的位置，然后调整速度，比如快10%或慢10%。通过扩展这些变量，可以将一个场景转化为一系列新的场景，使滴滴自动驾驶的场景库变得更大。除了通过自动驾驶测试车收集场景外，滴滴自动驾驶在数据方面也有其独特的优势，这就是滴滴叫车的真实场景数据。据了解，目前，聚适网约车订单占比达到50%。基于海量的出行数据和安装在交通工具上的聚视设备，滴滴全年可以收集1000亿公里的真实场景数据。这些数据还可以进一步丰富场景库。如今，自动驾驶已经成为汽车行业发展和转型的主要方向之一。但“安全”仍然是自动驾驶技术发展的初衷，也是自动驾驶汽车商用的红线。孟星强调，滴滴自动驾驶除了在硬件和软件方面不断改进以提高安全性外，还建立了国内首家自动驾驶安全护航中心，为自动驾驶车辆提供远程辅助和控制；

同时，该公司还建立了车路协同系统，可以使用道路感知系统在某些盲点向自动驾驶汽车发送相关信息。此外，借助海量数据（603138，Guba），滴滴自动驾驶还建立了道路场景风险评估系统，可以帮助汽车选择更合适的自动驾驶道路。这些措施都旨在为自动驾驶用户提供更多的安全保障。自动驾驶的安全性将是汽车制造商在未来很长一段时间内需要不断克服的挑战。孟星表示，提高道路安全是滴滴研发自动驾驶的初衷，未来将继续与自动驾驶行业各层面密切合作，共同克服技术难题。新京报记者王春瑞

标签：北京远程汉

汽车资讯热门资讯